[发明专利]基于自旋振荡器的神经脉冲发生电路

说明书

本发明涉及人工神经元技术领域，具体涉及基于自旋振荡器的神经脉冲发生电路，包括电流输入网络、自旋振荡器和整形电路，电流输入网络将多个输入电流信号进行叠加并作用于自旋振荡器，在输入电流作用下自旋振荡器产生频率与输入电流大小相关的交变电压信号，整形电路将自旋振荡器输出的波形处理为目标电压波形。自旋振荡器包括自旋注入层、隔离层和磁进动层，隔离层位于自旋注入层和磁进动层之间，自旋注入层和磁进动层由磁性材料构成，隔离层由非磁性材料构成。本发明的实质性效果是：本发明神经脉冲发生电路体积小、能耗低，更易集成，频率调节范围宽、速度快，能够提高人工神经网络的工作效率。

技术领域

本发明涉及人工神经元技术领域，具体涉及基于自旋振荡器的神经脉冲发生电路。

背景技术

在图像识别等领域，生物神经系统的计算速度和识别正确率要显著优于目前的计算机系统，特别是前者的功耗远低于后者。为了获得类似生物神经网络的特性，研究人员提出了多种人工神经网络的模型，并在软件、硬件两个方面模拟生物神经元和神经网络的行为。其中脉冲神经网络（Spiking Neural Network，SNN）被称为第三代神经网络，有别于之前的人工神经网络，SNN从工作机理上模拟了生物神经元达到阈值电压后的脉冲发生行为，脉冲发生的频率与输入信号的强弱有关。硬件实现SNN的关键问题之一便是如何产生频率与输入信号幅度相关的神经脉冲，目前已有的神经脉冲发生电路已经由分立器件电路改进为基于晶体管的集成电路，利用晶体管控制电容充放电等方法实现频率与输入幅度相关的脉冲电信号输出，然而该方法仍然存在电路尺寸大、功耗高、响应速度慢、频率调节范围窄等问题，不利于大规模的神经网络集成和较高速度的信号处理。为此有必要发明一种更低功耗、更小体积和更适合高速信号处理的神经脉冲发生电路。

中国专利CN108629407A，公开日2018年10月9日，一种集成式人工神经元装置，包括输入信号节点、输出信号节点和参考电源节点。积分器电路接收输入信号并且对输入信号进行积分从而产生积分信号。发生器电路接收积分信号，并且当积分信号超过阈值时，传送输出信号。积分器电路包括耦合在输入信号节点与参考电源节点之间的主电容器。积分器电路包括耦合在输入信号节点与输出信号节点之间的主MOS晶体管。主MOS晶体管具有耦合到输出信号节点的栅极和与栅极相互耦合的衬底。但其不能解决目前人工神经元尺寸大、功耗高的问题。

发明内容

本发明要解决的技术问题是：目前人工神经元不适合大规模集成的技术问题。提出了一种采用自旋振荡器的体积小能耗低的神经脉冲发生电路。

为解决上述技术问题，本发明所采取的技术方案为：基于自旋振荡器的神经脉冲发生电路，在输入电流的作用下输出频率变化的脉冲电压波形，包括电流输入网络、自旋振荡器和整形电路，所述电流输入网络将多个输入电流信号进行叠加并作用于所述自旋振荡器，在输入电流作用下所述自旋振荡器产生频率与输入电流大小相关的交变电压信号，所述整形电路将所述自旋振荡器输出的波形处理为目标电压波形。所述自旋振荡器的输出电压波形频率与输入电流正相关，能够很好的完成模拟生物神经元的功能，且所述自旋振荡器的尺寸在几十纳米量级，尺寸适合大规模集成。

作为优选，所述自旋振荡器包括自旋注入层、隔离层和磁进动层，所述隔离层位于自选注入层和磁进动层之间，所述隔离层由非磁性材料构成，所述自旋振荡器的一端与所述电流输入网络的输出端以及整形电路的输入端连接，所述自旋振荡器的另一端接地。当输入电流通过所述自旋注入层时，所述自旋注入层会将流经该层的载流子的自旋极化，产生自旋极化电流，上述自旋极化电流作用于所述磁进动层时会使所述磁进动层磁矩发生进动，从而产生所述自旋振荡器电阻值的周期性变化，进而产生周期振荡的电信号，并且该振荡信号的频率与输入电流的幅度正相关。所述自旋振荡器只有当输入电流超过某个阈值后才会产生振荡输出，这一特性用来模拟生物体的神经元只有在输入电压超过阈值后才产生神经脉冲的行为。